交易欺诈

在数字银行、金融科技、与社交商业的蓬勃发展的同时,欺诈者和其攻击手段也在与时俱进。时至今日,欺诈分子早已不限于仅用一张被盗的信用卡进行牟利。相反,金融诈骗成为一类新的专业领域,并由此建立起完整的黑产生态系统,包括:信用卡盗窃、个人身份信息攫取、个人问题认证脚本等一系列环节。DataVisor无监督机器学习引擎能够检测帐户与事件之间的可疑关联,从而实时阻止交易欺诈。

欺诈者如何隐藏欺诈交易

IP变更

代理,VPN和云托管服务允许攻击者逃避IP或位置黑名单和数字指纹解决方案。

一次性电子邮件

在尝试购买主要目标之前,攻击者使用批量注册技术创建大量电子邮件来测试被盗信用卡信息。

设备混淆

欺诈者利用移动设备闪存,虚拟机和脚本看起来好像登录事件来自不同的设备。

养号

欺诈者会长时间假冒伪造帐户,同时模拟真实的用户活动,以便在他们发起主要攻击时逃避检测。

为何利用无监督机器学习技术来检测欺诈交易?

如今,欺诈者已经学会如何逃避有监督机器学习或规则引擎的欺诈检测解决方案,具体包括在攻击过程中不断改变其攻击手段并提前对目标进行全面探查。DataVisor无监督机器学习引擎采用最新大数据技术,能够同时分析所有帐户与事件,从而发现高度相关且存在可疑行为的欺诈群组。当所有帐户与事件被进行关联分析时,异常欺诈交易无所遁形。更重要的是,DataVisor无监督机器学习技术无需训练数据或标签即可成功检测新型攻击,这将大大缩短对此类攻击的响应时间。

实时检测

通过识别交易与帐户之间的可疑关联来实时阻止欺诈交易的发生。

防止未知威胁

通过分析所有帐户及交易之间的关联,无需等待训练数据或标签就能检测到不断演变的新型攻击活动。

高准确率与覆盖率

提升欺诈交易检测的数量,同时减少对正常客户的误报率。

了解DataVisor如何打击交易欺诈

 规格书 

金融欺诈

了解更多关于DataVisor如何使用无监督机器学习来保护金融机构免受欺诈性交易,和使用合成或被盗身份信息来申请银行或信用卡账号的欺诈申请。

立即下载 »

DataVisor检测方案

无监督机器学习引擎

运用业内最先进的无监督学习技术,同时分析数以亿计的账户和事件,无需标签或训练数据, 预测新型未知威胁。

有监督机器学习引擎

使用行业领先的有监督机器学习算法,结合客户提供的标签来增强检测,与无监督机器学习检测形成互补。

自动规则引擎

自动迭代规则,降低维护成本并使结果更易理解。

DataVisor全球信誉库

汇总并分析来自各行业数十亿用户的信息来计算最广泛的各类数字指纹和信号。

 
 

交易欺诈动态

威胁趋势

设备刷机后,欺诈也跟着逃避了检测

设备指纹识别(以识别设备为目的从设备收集信息)通常是在线服务中移动欺诈检测使用的主要技术之一。目标是识别欺诈份子使用的“不良”设备,以便在其他属性(如用户名或IP地址)发生更改时也能识别出这些设备。但欺诈者对设备进行刷机后,又如何呢?

阅读博文 »
Wave of Money
威胁趋势

不断变化的金融欺诈趋势(英语)

在为即将到来的欺诈浪潮做准备时,了解现代欺诈攻击行为并保证拥有最新一代的防御是十分重要的。 单个攻击者用一张盗来的信用卡快速完成诈骗的简单岁月已经一去不复返。金融欺诈已经产业化,背后是一个以欺诈作为手段年非法获利总值超过160亿美元的完整生态系统。

阅读博文 »

如何用无监督机器学习增强现有检测结果?